アンケートの信頼性の評価：次元、問題のある項目、およびalpha、lambda6またはその他のインデックスを使用するかどうか？

実験に参加している参加者のスコアを分析しています。製品に対する参加者の態度を推定することを目的とした6つの項目で構成されるアンケートの信頼性を推定したいと思います。

Cronbachのアルファを計算し、すべてのアイテムを単一のスケールとして扱い（アルファは約0.6）、一度に1つのアイテムを削除しました（最大アルファは約0.72）。アイテムの数と基礎となる構造の次元によっては、アルファが過小評価および過大評価される可能性があることを知っています。それで、PCAも行いました。この分析により、分散の約80％を説明する3つの主成分があることが明らかになりました。だから、私の質問は、今どのように進めることができるかについてのすべてですか？

• これらの各次元でアルファ計算を実行する必要がありますか？
• 信頼性に影響するアイテムを削除しましたか？

さらに、Webで検索すると、信頼性の別の尺度があることがわかりました。guttmanのlambda6です。

• このメジャーとアルファの主な違いは何ですか？
• ラムダの良い値は何ですか？

@Jeromyはすでに重要だと言っているので、信頼性の測定に専念します。

Cronbachのアルファは、機器の信頼性の下限を確認するために使用されるサンプル依存のインデックスです。これは、スケールスコアの計算で考慮されるすべてのアイテムで共有される分散の指標にすぎません。したがって、信頼性の絶対的な尺度と混同しないでください。また、多次元機器全体に適用することもできません。実際には、次の仮定が行われます：（a）残留相関がない、（b）アイテムに同一の負荷があり、（c）スケールが一次元である。これは、アルファが本質的に信頼性と同じである唯一のケースを意味します一様に高い因子負荷、エラー共分散なし、一次元機器の場合です（1）。精度はアイテム相互相関の標準誤差に依存するため、アイテム相関の広がりに依存します。つまり、アルファは、この特定の範囲のソースに関係なく、この範囲の相関を反映します（測定誤差や多次元性など）。この点については、主に（2）で説明します。グループ比較の目的で広く参照されている信頼性のしきい値であるalphaが0.70の場合（3,4）、測定の標準誤差は標準偏差の半分（0.55）を超えることに注意してください。さらに、クロンバッハアルファは内部整合性の尺度です、これは単次元性の尺度ではなく、単次元性を推測するために使用することはできません（5）。最後に、LJクロンバッハ自身を引用できます。

係数は、分散成分によって暗示される多くの微妙さを表面にもたらさない粗いデバイスです。特に、現在の評価で行われている解釈は、測定の標準誤差を使用して評価するのが最適です。--- Cronbach＆Shavelson、（6）

過去10年間（7-10など）のいくつかの論文で主に議論された他の多くの落とし穴があります。

$\lambda_3$$\lambda_6$$\omega_t$$\omega_h$$\beta$

参照資料

1. Raykov、T.（1997）。スケールの信頼性、クロンバッハの係数アルファ、および固定同種成分の本質的なタウ等価性の違反。多変量行動研究、32、329-354。
2. コルティナ、JM（1993）。係数アルファとは何ですか？理論と応用の検討。Journal of Applied Psychology、78（1）、98-104。
3. 毎年、JCとバーンスタイン、IH（1994）。心理測定理論。心理学のマグロウヒルシリーズ、第3版。
4. De Vaus、D.（2002）。社会科学データの分析。ロンドン：Sage Publications。
5. デインズ、JE、マン、OK。（1984）。潜在変数を含む一次元測定および構造方程式モデル。Journal of Business Research、12、337-352。
6. クロンバッハ、LJおよびシャベルソン、RJ（2004年）。係数アルファと後継手続きに関する私の現在の考え。教育的および心理的測定、64（3）、391-418。
7. シュミット、N。（1996）。係数アルファの使用と乱用。心理的評価、8（4）、350-353。
8. Iacobucci、D. and Duhachek、A.（2003）。アドバンアルファ：自信と信頼性を測定します。Journal of Consumer Psychology、13（4）、478-487。
9. Shevlin、M.、Miles、JNV、Davies、MNO、およびWalker、S.（2000）。係数アルファ：信頼性の有用な指標？ 人格と個人差、28、229-237。
10. Fong、DYT、Ho、SY、およびLam、TH（2010）。一貫性のない応答が存在する場合の内部信頼性の評価。健康と生活の質の結果、8、27。
11. ガットマン、L。（1945）。再テストの信頼性を分析するための基礎。Psychometrika、10（4）、255-282。
12. $\alpha$$\beta$$\omega_h$
13. Revelle、W. and Zinbarg、RE（2009）係数alpha、beta、omega、およびglb：Sijtsmaに関するコメント。サイコメトリカ、74（1）、145-154

一般的なコメントは次のとおりです。

• PCA：PCA分析では、「3つの主要なコンポーネントがあることは明らかになりません」。3つのディメンションを抽出することを選択したか、デフォルトの経験則（通常は1を超える固有値）に依存して、抽出するディメンションの数を決定しました。さらに、1を超える固有値は、しばしば有用な次元よりも多くの次元を抽出します。
• アイテムの次元の評価： PCAを使用してアイテムの次元を評価できることに同意します。ただし、スクリープロットを見ると、次元数のより良いガイダンスが得られることがわかります。スケール次元の評価については、William Revelleによるこのページをご覧ください。
• どうやって進める？
  • スケールが十分に確立されている場合は、そのままにしておくことをお勧めします（その特性が少なくとも合理的であると仮定します。ただし、ほとんどの標準では0.6は比較的貧弱です）。
  • スケールが十分に確立されていない場合、理論的には、アイテムが測定することを意図しているものと、結果のスケールを使用する目的を検討する必要があります。アイテムが6つしかないため、スケールごとのアイテム数を気にすることなく、複数のスケールを作成する余地はありません。同時に、床、天井、または信頼性の低さの問題に基づいて問題のあるアイテムがあるかどうかを確認することは賢明な考えです。また、取り消す必要があるアイテムがあるかどうかを確認することもできます。
  • 役立つと思われるスケール開発に関する一般的なリソースへのリンクをまとめました

以下は、特定の質問に対処します。

• これらの各次元でアルファ計算を実行する必要がありますか？
  • 上記の議論からわかるように、3つの次元があるかのようにデータを扱う必要はないと思います。目的や詳細に応じてさまざまな議論ができるため、何をすべきかを正確に言うのは困難です。ほとんどの場合、信頼できない3つのスケールではなく、少なくとも1つの適切なスケール（おそらくアイテムを削除する）を作成したいと考えています。
• 信頼性に影響するアイテムを削除しましたか？
  • それはあなた次第です。スケールが確立されている場合は、しないことを選択できます。サンプルサイズが小さい場合、ランダムサンプリングの異常である可能性があります。ただし、一般的に、アルファが実際に0.72から0.60に低下している場合は、アイテムを削除する傾向があります。また、この問題のあるアイテムが実際に取り消されることを意図していないかどうかもチェックします。

ラムダ6（ここでWilliam Revelleによって議論された）の議論は他の人に任せます。